Question

我制作了一个简单的声音均衡器，该均衡器在频域中运行，并允许用户使用4个滑块调整声音的频率。第一个负责0-5kHz，第四个负责15-20kHz。

步骤如下：

我读取了wav文件并将其存储在float数组中
我在该阵列上执行复杂的fft（分别用于左右声道）
我将代表0-5kHz频率（正负）的bin的实部和虚部乘以 ~~1.1~~ 3.981 ，以将这些低频增加 10％ 12dB 。
我在数组上执行ifft
我交替左右声道的实部（由ifft返回）以创建最终音频

问题在于，在此过程之后，声音会失真。听起来扬声器未正确插入。我发现，如果将ifft返回的值除以任意常数，则最终声音是正确的，但安静得多。我根据ifft的结果在时域上进行划分。

如果我将频率乘以小于1的数字，则不会发生此问题。因此，如果衰减频率，则无需在时域中进行进一步划分。

我认为整个过程中有一个错误。但是，如果所有步骤都很好，我应该如何处理失真的声音？在时域划分是正确的解决方案吗？那我应该用哪个数字来划分结果，以免声音失真？

编辑

这是我用来执行所介绍步骤的代码。我使用FFT的Apache Commons数学实现和从http://stackoverflow.com/a/26824664/2891664那里获取的SimpleAudioConversion类

// read file and store playable content in byte array
File file = new File("/home/kamil/Downloads/Glory.wav");
AudioInputStream in = AudioSystem.getAudioInputStream(file);
AudioFormat fmt = in.getFormat();
byte[] bytes = new byte[in.available()];
int result = in.read(bytes);

// convert bytes to float array
float[] samples = new float[bytes.length * 8 / fmt.getSampleSizeInBits()];
int validSamples = SimpleAudioConversion.decode(bytes, samples, result, fmt);

// find nearest power of 2 to zero-pad array in order to use fft
int power = 0;
while (Math.pow(2, power) < samples.length / 2)
    power++;

// divide data into left and right channels
double[][] left = new double[2][(int) Math.pow(2, power)];
double[][] right = new double[2][(int) Math.pow(2, power)];

for (int i = 0; i < samples.length / 2; i++) {
    left[0][i] = samples[2 * i];
    right[0][i] = samples[2 * i + 1];
}

//fft
FastFourierTransformer.transformInPlace(left, DftNormalization.STANDARD, TransformType.FORWARD);
FastFourierTransformer.transformInPlace(right, DftNormalization.STANDARD, TransformType.FORWARD);

// here I amplify the 0-4kHz frequencies by 12dB
// 0-4kHz is 1/5 of whole spectrum, and since there are negative frequencies in the array
// I iterate over 1/10 and multiply frequencies on both sides of the array
for (int i = 1; i < left[0].length / 10; i++) {
    double factor = 3.981d; // ratio = 10^(12dB/20)
    //positive frequencies 0-4kHz
    left[0][i] *= factor;
    right[0][i] *= factor;
    left[1][i] *= factor;
    right[1][i] *= factor;

    // negative frequencies 0-4kHz
    left[0][left[0].length - i] *= factor;
    right[0][left[0].length - i] *= factor;
    left[1][left[0].length - i] *= factor;
    right[1][left[0].length - i] *= factor;
}

//ifft
FastFourierTransformer.transformInPlace(left, DftNormalization.STANDARD, TransformType.INVERSE);
FastFourierTransformer.transformInPlace(right, DftNormalization.STANDARD, TransformType.INVERSE);

// put left and right channel into array
float[] samples2 = new float[(left[0].length) * 2];
for (int i = 0; i < samples2.length / 2; i++) {
    samples2[2 * i] = (float) left[0][i];
    samples2[2 * i + 1] = (float) right[0][i];
}

// convert back to byte array which can be played
byte[] bytes2 = new byte[bytes.length];
int validBytes = SimpleAudioConversion.encode(samples2, bytes2, validSamples, fmt);

您可以在这里听声音 https://vocaroo.com/i/s095uOJZiewf

Answer 1

如果您在任何一个域中进行放大，都有可能最终截断信号（听起来很可怕）。

因此，您可能需要检查ifft结果，以查看是否有任何采样值超出音频系统允许的允许范围（通常为-32768至32768或-1.0至1.0）。避免发现任何削波的方法是减小施加到fft bin的增益，或者减小原始输入信号的幅度或总的ifft结果。

动态增益控制过程的搜索项是AGC（自动增益控制），要做好就不容易了。

例如如果任何特定频率仓的音量已经为“ 10”，则您计算机的旋钮没有“ 11”。

将频谱乘以常数后

1 个答案: